Effective gene delivery of <i>sh</i>BMP-9 using polyethyleneimine-based core–shell nanoparticles in an animal model of insulin resistance
Notice bibliographique
Résumé
Bone morphogenetic protein (BMP)-9 has been associated with insulin resistance and type 2 diabetes mellitus. However, methods for delivering exogenous BMP-9 genes in vivo are lacking. In this study, we developed a gene delivery system using polyethyleneimine (PEI)-based core-shell nanoparticles (PCNs) as gene delivery carriers, and investigated the effectiveness and safety for delivery of the shBMP-9 gene. PCNs possessed a well-defined core-shell nanostructure with hydrophobic polymer cores and dense PEI shells of uniform particle size and highly positively charged surfaces. In vitro evaluation suggested that PCNs had high loading capacity for exogenous genes and low cytotoxicity toward hepatocytes. The transfection efficiency of PCNs/pENTR-shBMP9 complexes was higher than that of commercial lipofectamine 2000/shBMP9. In vivo studies showed that PCNs/pENTR-shBMP9 transfection led to a significant decrease in hepatic BMP9 expression compared with pENTR-shBMP9 transfection. Under high fat diet (HFD) feeding, PCNs/pENTR-shBMP9 mice exhibited aggravated glucose and insulin tolerance. At a molecular level, PCNs/pENTR-shBMP9 mice displayed elevated PEPCK protein levels and lower levels of InsR and Akt phosphorylation than pENTR-shBMP9 mice. These results suggest that the biological effects of PCNs/pENTR-shBMP9 in vivo are much more effective than those of pENTR-shBMP9. Therefore, the polyethyleneimine (PEI)-based core-shell nanoparticle can be applied as promising nanocarriers for effective and safe gene delivery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».